GitHub Copilot app 如何用 canvases 构建自定义工作流
在 GitHub Copilot app 的智能体会话里输入 /create-canvas,用自然语言写清工作流、界面中可做的操作和智能体可做的事,即可得到双方共享的 canvas。
在 GitHub Copilot app 的智能体会话里输入 /create-canvas,用自然语言写清工作流、界面中可做的操作和智能体可做的事,即可得到双方共享的 canvas。
微软本周宣布的新款 Surface 不再称为 Copilot+ PC;Surface 企业副总裁 Brett Ostrum 向 Windows Central 表示,它们仍满足以往全部要求,公司继续强调端侧人工智能和混合方案。
新泽西州对DataOne的Vineland数据中心处以110万美元罚款,原因是其无证安装并运行燃气发电机,违反《空气污染控制法》。The Guardian与Floodlight在8月公布的热成像无人机画面显示,62台中有45台正在运行,容量为1,982千瓦,超过须许可的37千瓦门槛五十余倍。
GitHub Copilot 应用重建 PR 视图后,含 2,200 文件、逾百万行改动和超 400 条行内评论的 diff 仍能流畅滚动。纯代码行在绘制前即可确定高度,虚拟化后同时大约只挂载 100 行。评论高度要到渲染时才知道,因此总高度拆成确定性代码高度与懒测量的动态块,修正则锚定在用户正在看的位置。
Microsoft Research 发现,把物理 AI 推理卸载到边缘或云端 GPU 可提升任务表现。在内存足够时,建图与规划比 A100 最多慢 383%,较轻 GPU 使障碍及时检测降 30%,较小 GPU 使 VLA 准确率降 50%。Jetson Thor 等较大机载 GPU 可使耗电增加最多 160%。
微软周二表示,已牵头在全行业中断订阅制诈骗平台 EvilTokens,该平台借助 AI 聊天机器人在数个月内攻陷 12000 个 Microsoft 账户。平台于二月经 Telegram 频道推出,收取 $1500 首付和每月 $500,可批量入侵邮箱、分析收件箱、筛选潜在收益更高的目标,并起草冒充可信联系人的后续邮件。
RetroChimera 融合 R-SMILES 2 与 NeuralLoc,用学习排序整合互补预测,提出优于任一子模型的小分子合成路线。盲测中博士级化学家更偏好其单步反应预测,而非先前模型与文献记录反应;10 个高难度目标成功 9 个,高于从头模型 5 个、编辑模型 4 个和 NeuralSym 2 个。
GitHub 用 Copilot 将 Copilot agent runtime 从 TypeScript/Node.js 重写为超过 800,000 行生产 Rust,大部分代码由 AI 智能体完成,并通过 128 个合入主干的 pull request 增量交付。
推荐理由:原文写清 Copilot 运行时如何以组件原子替换迁到 Rust 并增量发布,读者可从智能体分工看到大规模改写怎样维持主干持续可交付。
负责 GitHub 日本和韩国市场的 Tomoko Tanaka 用 GitHub Copilot、Issue 和 Actions 自动化活动运营,过去要手工处理一两天的搭建现在从单条 Issue 开始,系统每天早上筛查报名者,并在结束后自行收尾。
GitHub Copilot app 内置并排的 diff、终端和浏览器面板,审阅、运行和预览都不用离开应用。diff 新增为绿、删除为红,可接受、评论或让 Copilot 再改。终端可通过 Run 按钮运行脚本,浏览器用 Pick & Polish 选元素交给智能体调整,然后接受改动并创建 pull request。
GitHub 在 Copilot CLI 推出研究预览 Project HydraFusion,运行时按任务在单模型直接求解、高效模型起草后升级,以及跨模型家族独立评审再修订三种模式间编排多个提供商的模型。
推荐理由:它把换模型、独立评审和必要时升级交给运行时选择,读者可对照三项智能体编程基准看相对 Claude Opus 5 的质量与估算成本。
MindTopo 基准显示,多模态模型识别静态拓扑关系的表现明显强于交互规划,且两者都远低于人类。它按连续性、分离、顺序、包围和结五类,分别测试推理与规划;规划错误常出现在理解场景之后,模型会丢失结构关系或提出违反环境动态的动作。图像生成只在关系可见于单帧时偶尔有帮助,视频推演则经常改变拓扑或违反任务动态。
微软研究院发布开源框架 Orchard,用 Kubernetes 环境服务 Orchard Env 在 Codex、OpenClaw、ZeroClaw 等真实框架中训练软件工程、网页与助手智能体。
推荐理由:微软研究院的 Orchard 用可复用环境让智能体在真实部署框架中训练,约 3B 激活参数的开放模型因而在 SWE-bench Verified 上达到 69.7% 并在价值模型重排后升至 73.0%。
微软研究院构建 Echoverse,用十个深度领域世界和两个能力世界训练计算机使用智能体。在全部十二个世界上训练后,Qwen3.5-9B 的平均分从 36.5% 升至 67.1%,距 GPT-5.4 的 80.7% 约十四个百分点。